사건관련뇌전위의 기계학습 기반 분석을 통한 하지불안증후군 환자의 뇌인지기능 저하 특성 규명

국문 초록 (Abstract)

본 연구는 설명가능한 기계학습을 기반 사건관련뇌전위 분석을 통해 기존 사건관련뇌전위 연구에서 발생하는 다중 비교 문제를 효과적으로 개선하고, 하지불안증후군 환자에서 나타나는 인지기능 저하의 원인을 대뇌 피질 차원에서 밝히고자 하였다.
하지불안증후군 진단을 받은 9명의 환자와 정상인 13명을 대상으로 task 수행 중 19개의 두피전극으로 피험자의 뇌전위를 얻었다. 두피전극에서 측정한 뇌전위에 신호원 국소화 기법을 적용하여 대뇌 피질 상의 전류 밀도 시계열을 추정한 뒤, Molleweide Projection 기법을 적용하여 2차원 이미지로 데이터를 변환하여 CNN 학습에 사용하였다. 하지불안증후군과 정상 대조군의 대뇌 피질 전류 밀도를 나타내는 2D 이미지를 이용하여 환자를 분류하는 CNN 분류기를 학습하였으며, 학습한 CNN에 설명가능한 기계학습을 적용하여 환자를 판단하는데 중요한 영향을 미친 대뇌 피질 입력 데이터를 특정하였다.
분류기는 단일 시행 사건관련뇌전위로부터 얻은 데이터로 91%의 높은 분류 성능을 보였다. 설명가능한 기계학습을 통해 찾은 하지불안증후군 인지기능 저하 특성을 반영하는 대뇌 피질 영역은 좌측의 상전두엽, 상두정엽, 뇌섬엽, 측두엽, 측후두엽, 우측 상측두엽으로 관찰되었다. 선행 연구를 통해 좌측 상전두엽은 이차 시각 관련 영역인 좌측 하측두엽, 측후두엽, 상두정엽과 함께 선택적 주의력, 집행 기능, 주의 할당에 관여하는 영역으로 작업기억 회상에 있어 밀접한 연관이 있음을 확인하였다. 또한 좌측 뇌섬엽, 우측 상측두엽은 작업기억 회상의 효율을 높이는 의미기억과 연관이 있음을 확인하였다.
결론적으로 본 연구를 통해 하지불안증후군을 단일 시행 사건관련뇌전위기반으로 높은 일반화 성능을 보이는 분류기를 개발할 수 있었으며, 이를 통해 조기 진단 등에 활용될 수 있는 가능성을 보였다. 또한 설명가능한 기계학습 기법을 통해 환자군의 하지불안증후군의 작업기억 저하는 선택적 주의, 주의 할당, 의미기억 등의 기능 결함으로 인한 것임을 대뇌 피질 활동을 통해 밝힐 수 있었다.

다국어 초록 (Multilingual Abstract)

This study analyzed the characteristics of cortical current density of event-related potentials (ERPs) measured during work memory task based on explainable machine learning to clarify the cause of cognitive deficits in Restless Legs Syndrome (RLS) patients.
13 patients diagnosed with RLS and 13 normal controls participated in this study, and ERPs were obtained with 19 channel electrodes during the task. To analyze cortical activity from ERPs, the current density time series was estimated by applying the source localization technique. A analysis period was determined to 150–250 ms during memory recollection and averaged, because it is known to be important role to recall an item in working memory. Mollweide projection was applied to the average current density to convert the data into a two-dimensional image and used for input of CNN. CNN classifier was trained to discriminate RLS patients and normal controls, and LRP was applied to the trained CNN to characterize cortical features that had an important effect on the outputs of CNN.
The classifier provided high classification accuracy from single-trial ERPs, which are known to be low signal-to-noise ratio. The critical cortical regions found through LRP were left superior frontal lobe, the left superior parietal lobe, the left inferior lobe, the left inferior lobe, and the right posterior lobe. Previous studies have confirmed that the left superior frontal lobe is a region involved in selective attention, executive function, and attention allocation along with the secondary visual-related areas, including left superior parietal lobe, left inferior temporal lobe, and left lateral occipital lobe. In addition, it was confirmed that the left insular lobe and right superior temporal lobe are related to semantic memory that increases the efficiency of working memory recall based on the knowledge they know in memory recall. The critical cortical activities found through LRP reflect the characteristics of increasing the efficiency of working memory through conscious attention allocation and information comparison in 150 to 250 ms of working memory recall, and it was inferred that the deficits in working memory of RLS was due to functional defects such as selective attention, attention allocation, and semantic memory. Correlation analysis between the average cortical current density in those areas and clinical scores evaluating symptoms of RLS confirmed that cortical activity in some areas has a correlation with sleep disorders, patient symptoms, and anxiety.
In conclusion, this study showed that explainable machine learning was able to successfully find cortical features that reflect working memory deterioration in patients with RLS and showed the potential of being used to diagnose patients based on the single-trial ERP.

목차 (Table of Contents)

• 그림 차례 iii
• 표 차례 iv
• 국 문 요 약 v
• 제 1장 서론 1
• 1.1 하지불안증후군과 진단 1
• 1.2 하지불안증후군의 인지기능 저하 2
• 1.3 작업기억 4
• 1.4 사건관련뇌전위 기반 인지기능 연구 7
• 1.5 신호원 국소화 분석 9
• 1.5.1 뇌전위의 발생 원리 9
• 1.5.2 뇌신호원 국소화 분석 9
• 1.6 사건관련뇌전위 연구의 한계 13
• 1.7 기계학습을 이용한 데이터 기반 연구 15
• 1.8 연구 목표 20
• 제 2장 재료 및 방법 22
• 2.1 피험자 및 실험 22
• 2.1.1 피험자 22
• 2.1.2 실험 과정 23
• 2.1.3 뇌전위 기록 24
• 2.2 데이터 분석 25
• 2.2.1 뇌신호원 국소화 25
• 2.2.2 전류 밀도 이미지 생성 26
• 2.2.3 하지불안증후군 단일 시행 전류 밀도 분류를 위한 컨볼루션 신경망 분류기 구조 27
• 2.2.4 분류기 학습 및 검증 29
• 2.2.5 Layer-wise Relevance Propagation 기반 하지불안증후군 인지기능 저하를 반영하는 대뇌 피질 활동 특성 결정 30
• 2.2.6 행동 반응 통계 분석 32
• 2.2.7 대뇌 피질 전류 밀도와 임상 점수 간 상관관계 분석 33
• 제 3장 결과 34
• 3.1 행동 반응 결과 34
• 3.2 분류기 성능 34
• 3.2.1 CNN 구조에 따른 성능 비교 34
• 3.2.2 제안된 분류기 성능 36
• 3.3 대뇌 피질 상 하지불안증후군 특성의 기여도 분포 38
• 3.4 중요 영역의 뇌활동과 임상 점수 간의 상관 관계 40
• 제 4장 고찰 41
• 4.1 행동 반응 결과 41
• 4.2 분류기 성능 42
• 4.3 하지불안증후군의 작업기억 저하 반영 대뇌 피질 활동 44
• 4.4 중요 영역의 뇌활동과 임상 점수 간의 상관 관계 46
• 4.5 연구 한계점 47
• 제 5장 결론 49
• 참 고 문 헌 51
• ABSTRACT 61